在python中为plceholder定义一个feed_dict

Question

我不擅长 Python。我想知道如何使用 Python 为 Tensforflow 中的占位符定义 feed_dict。我确实查找了我的问题，最接近的是 C++ here。

假设我有以下张量：

(<tf.Tensor 'Mul:0' shape=<unknown> dtype=float32>,)

在没有 feed_dict 的情况下看到它：

print sess.run('Mul:0')

带来这个错误：

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Mul' with dtype float
     [[Node: Mul = Placeholder[dtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/gpu:0"]()]]

感谢任何帮助。

Answer 1

通常您使用占位符将值提供给操作。假设您有一个带有名为train_op 的训练操作的网络，并为您的输入数据定义了占位符：data，目标标签：target。然后，当您运行训练循环时，您将在每次迭代中收集一些训练数据和相关标签，并使用 feed_dict 将它们提供给您的训练操作。看起来像这样：

for _ in range(num_iterations):
    # Gather a batch of training data and targets somehow...
    d = dataset.get_next_batch()
    t = dataset.get_next_target_batch()

    # Run the training operation
    sess.run(train_op, feed_dict={data: d, target: t})

所以我不确定您演示的用例是否有意义，但以上是您使用feed_dict 的典型方式。